相关分析与回归分析PPT.ppt

相关分析与回归分析 ;本章内容;掌握相关系数的含义、计算方法和应用 掌握一元线性回归的基本原理和参数的最小二乘估计方法 掌握回归方程的显著性检验 利用回归方程进行预测 掌握多元线性回归分析的基本方法 了解可化为线性回归的曲线回归 ;一. 变量相关的概念 二. 相关系数及其计算 ;（一）相关分析和回归分析概述;变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 ;变量间的关系（相关关系）;相关关系的类型;相关关系的图示; 相关系数示意图 ;因果关系不可能完全通过统计分析证明 回归模型中表述的因果关系即使很好的拟和了数 据，也不可能完全肯定它存在 例如：r=0.5，两者存在相关性，但共同变异量仅为25%，稳定性差;（二） 相关系数及其计算;相关系数的计算;相关系数的计算;; 利用相关系数进行变量间线性关系的分析通常需要完成以下两个步骤： 第一，计算样本相关系数r； 相关系数r的取值在-1～+1之间 R0表示两变量存在正的线性相关关系；r0表示两变量存在负的线性相关关系 R＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相关；r＝0表示两变量不相关 |r|0.8表示两变量有较强的线性关系； |r|0.3表示两变量之间的线性关系较弱 第二，对样本来自的两总体是否存在显著的线性关系进行推断; 表1 我国人均国民收入与人均消费金额数据 单位:元;计算结果;检验两个变量之间是否存在线性相关关系 等价于对回归系数 b1的检验 采用 t 检验 检验的步骤为 提出假设：H0：? ? ? ；H1： ? ? 0 计算检验的统计量： 确定显著性水平?，并作出决策 若?t?t???，拒绝H0 若?t?t???，接受H0 ;相关系数的显著性检验（实例） ;相关系数的显著性检验;计算相关系数的基本操作; Bivariate相关分析步骤;（2）把参加计算相关系数的变量选到Variables框。 （3）在Correlation Coefficents框中选择计算哪种相关系数。 （4）在Test of Significance框中选择输出相关系数检验的双边（Two-Tailed）概率p值或单边（One-Tailed）概率p值。 （5）选中Flag significance correlation选项表示分析结果中除显示统计检验的概率p值外，还输出星号标记，以标明变量间的相关性是否显著；不选中则不输出星号标记。 （6）在Option按钮中的Statistics选项中，选中Cross-product deviations and covariances表示输出两变量的离差平方和协方差。; 一元线性回归模型 参数的最小二乘估计 回归方程的显著性检验 预测及应用 ;回归分析的内容;回归分析的一般步骤;回归分析与相关分析的区别;;;回归模型的类型;回归模型与回归方程;一元线性回归模型（概念要点）;一元线性回归模型（概念要点）;线性关系假设：回归分析必须建立在变量之间具有线性关系的假设成立上。 正态性假设：回归分析中的y服从正态分布，与x值对应的y值是变量y的一个子总体，所有子总体都服从正态分布。 误差项ε是一个期望值为0的随机变量，即 E(ε)=0。对于一个给定的 x 值，y 的期望值为 E ( y ) =? 0+ ? 1 x。 误差等分散性：对于所有的 x 值， ε 呈随机化的常态分布，ε的方差σ2 都相同。 独立性假设: ( 0 ,σ2 ) 独立性意味着对于一个特定的 x 值，它所对应的ε与其他 x 值所对应的ε不相关。 对于一个特定的 x 值，它所对应的 y 值与其他 x 所对应的 y 值也不相关。 误差项ε与自变量也相互独立。 ;回归方程（概念要点）;估计(经验)的回归方程;回归模型的建立方法;平均数法案例;最小二乘法（概念要点）;最小二乘法（图示）; 用最小二乘法求解方程中的两个参数，得到： ;回归方程的显著性检验;离差平方和的分解（三个平方和的关系）;离差平方和的分解（三个平方和的意义）;决定系数（判定系数 r2 ）;回归方程的显著性检验;回归方程的显著性检验步骤;回归方程的方差分析表 ;回归系数的显著性检验;样本统计量 的分布;回归系数的显著性检验（步骤）; 回归方法简介;回归方法;向前回归法的基本思想;向后回归法的基本思想;逐步回归的策略;回归系数反常的原因 ;线性回归分析的基本操作 （1）选择菜单Analyze－Regression－Linear，出现窗口：;（2）选择被解释变量进入Dependent框。 （3）选择一个或多个解释变量进入Indepe